二项分布详解
一、定义
二项分布（Binomial Distribution）是一种离散概率分布，用于描述在固定次数的独立试验中，每次试验只有两种可能结果（成功或失败），且每次试验中成功的概率保持不变的情境下，成功次数的概率分布。
二、基本要素
- 试验次数（n）：进行独立试验的总次数。
- 成功概率（p）：单次试验中成功的概率。
- 失败概率（q）：单次试验中失败的概率，通常表示为 q = 1 - p。
三、概率质量函数
二项分布的概率质量函数（PMF）给出了在 n 次试验中恰好有 k 次成功的概率，其公式为：
P(X=k) = C(n, k) × p^k × (1-p)^(n-k)
其中，C(n, k) 是组合数，表示从 n 个不同元素中取出 k 个元素的组合方式数量，计算公式为：
C(n, k) = n! / [k!(n-k)!]
四、性质与特点
期望与方差：
- 期望 E(X) = np
- 方差 Var(X) = np(1-p)
对称性：当 p = 0.5 时，二项分布是关于 n/2 对称的。
累积分布函数：可以通过计算小于或等于某个特定值的所有可能成功次数的概率之和来得到。
近似正态分布：当试验次数 n 很大且 p 不太接近 0 或 1 时，二项分布可以近似为正态分布。
五、应用场景
二项分布在许多实际场景中都有应用，包括但不限于：
- 在抛硬币实验中，记录正面朝上的次数。
- 在产品质检中，检验一批产品中不合格品的数量。
- 在选举预测中，估计某一候选人获得的支持票数。
- 在医学研究中，跟踪一段时间内某种疾病的新发病例数。
六、注意事项
- 确保每次试验是独立的，即一次试验的结果不会影响另一次试验的结果。
- 成功和失败的定义应明确且一致。
- 试验次数应为有限且已知的整数。
通过理解这些基本概念和应用场景，您可以更好地利用二项分布来解决实际问题并做出更准确的概率评估。
